混合上机的外周血样本里,有个条码几乎只有 A 号标签,HTO 软件给出 Singlet。把它放到表达矩阵里,却同时能看到一整组 T 细胞和 B 细胞标记,RNA 双细胞分数也很高。哪一种结果出了错?在决定删不删之前,先在纸上画两颗都贴 A 号标签的细胞。假设它们一颗是 T 细胞、另一颗是 B 细胞,流进了同一个液滴。标签通道只看见一种标签,表达通道却能同时看到两套转录程序。这样一个简单情形,就能让两种算法给出不同标签。

两套测量各自能看见哪些同滴组合
细胞哈希实验在混样前给不同来源的细胞加上可测的寡核苷酸标签。如果同一条码对两种标签都明显阳性,可能捕获了来自不同标签来源的细胞。如果两颗细胞在混样前拿到同一种标签,不论它们属于同一种还是不同种细胞类型,哈希信号里都缺少第二个来源标签。反过来,来自两位供者的同型 T 细胞即使携带两种标签,它们的转录谱混在一起,也可能与普通 T 细胞很接近。两种通道用的是不同测量,观察范围本来就只部分重叠。Cell Hashing 原始研究
还有两个会在报告中被漏掉的分类。Negative 表示已做标签检测但没有标签达到该方法设定的阳性标准。Missing 表示这颗 RNA 条码压根找不到对应的 HTO 记录,原因可能涉及文库配对、筛选口径、条码后缀或通道缺失。若做内连接以后只展示有标签的条码,无法判断有多少细胞在比较前已经消失。如果反过来把缺失条码全填为阴性,标签信噪比较差的样本和一次文件连接错误会留下相同的统计结果。先保留 RNA 条码全集,再给每颗加上 HTO 覆盖状态。
先算出四行交叉表,再谈谁与谁不一致
下载完整代码、示例数据与参考输出(ZIP) · 下载图文操作手册(PDF)
解压资料包,运行下面的命令。这里准备了十六颗模拟 RNA 条码,其中十四颗有对应的三种标签原始计数。下载包中两种分类和分数是教学设定,脚本从已有分类做复查,没有拿这十六颗细胞重新训练分类器。这样你既能在普通电脑上很快复算,也能直接用自己实验中从完整队列获得的分类替换它们。为真实项目准备了一个从完成 HTO 分类的 Seurat 对象导出原始标签和分类列的 R 函数。
python -m pip install -r requirements.txt
python run.py --input example --out results
| HTO 记录 | RNA singlet | RNA doublet | 行内应当怎样读 |
|---|---|---|---|
| 单标签 | 5 | 2 | 7 颗当中有 2 颗需要查同标签双细胞等原因 |
| 双标签 | 2 | 2 | 2 颗在 RNA 通道没有明显混合信号 |
| 阴性 | 2 | 1 | 三者都测过 HTO,仍未得到明确来源 |
| HTO 缺失 | 1 | 1 | 两者不参与双通道一致率的分母 |
比如你要回答“HTO 单标签里有多少被 RNA 判为双细胞”,分子是二,分母是七;若想回答“整个捕获中多少条码是这个组合”,分子仍是二,分母则是十六。还有一种常见口径是只在两种通道都有记录的条码中算,总数十四。三种比例都能算,但科研报告必须把问题和分母一起写出。若一个文库里阴性和缺失特别多,仅汇报单标签比例最高的那几份样本,就会让跨样本结论依赖数据完整度。
追两颗最值得看的条码
在单列复核文件中找到 C06。它的 A、B、C 三个标签原始分子分别是九十二、二和一。其最高标签远高于次高标签,RNA 通道的双细胞分数为零点九四,同时 T 细胞标记 CD3D、CD3E 有十和八个分子,B 细胞标记 MS4A1、CD79A 有七和六个分子。换句话说,两套谱系各自都得到不只一个基因的支持。这样的证据与同一标签内发生异型共捕获相容。它仍值得与相邻条码、总 RNA 分子数和环境信号一起检查,尤其是在组织里怀疑细胞缀连或免疫细胞紧密接触时。
再看 C07。最高标签三十八个,次高标签十二个。它同样被分到单标签和 RNA 可疑这一栏,两个标签分离程度明显不同。下面这个函数将最高与次高标签的计数各加一,再计算比值的二为底对数。加一只是让零计数也能作图,高值描述原始标签差距较大。它不能替代原分类器对每种标签背景分布的校准。若两个标签计数相同,脚本用标签名确定展示顺序,差值为零,读者应保留并列这个事实。标签强弱若在整批都不均衡,应先从同一实验的阴性分布和混样记录查起。Seurat 的 HTO 分类方法与教程
def tag_margin(counts):
order=sorted(counts,key=lambda tag:(-counts[tag],tag))
first,second=order[:2]
gap=np.log2((counts[first]+1)/(counts[second]+1))
return first,second,counts[first],counts[second],float(gap)
在自己的对象里,查看最高标签与次高标签的数值、是否靠近各自判阳阈值,并画出每种标签在此捕获中的分布。标签背景会随试剂、清洗和文库质量改变,原始计数比值不能跨批次使用一个统一结论。若某标签在几乎所有细胞里都有一点信号,回看其阴性分布、清洗步骤以及标签文库测序质量。对于只有一点弱阳性的第二标签,比起直接填“双细胞真值”,更适合留下该条码、原始计数和所用阈值,必要时在全体细胞上重新做一次有记录的阈值敏感性检查。
阴性、同型双细胞和环境转录本怎么处理
自己动手再做一次连接检查。在条码证据表中找 C15 和 C16,两颗都有 RNA 计数与分类,却没有标签计数。假如把缺失改成三个零,再去计算最高和次高标签,图上会出现一个人为制造的并列第一名。如果改成只保留双通道条码,两颗又会无声无息地从总数中消失。汇报时应同时交出 RNA 总数、有标签记录的数目以及没有标签记录的原始名单,这样下一位同事既能复算比例,也能回到原始文库检查是否确实少了一个通道。
打开反向不一致的记录,即 HTO 双标签、RNA 单细胞。两颗同谱系细胞混在一起,特异标记可能仍然十分纯净,表达邻居也可能是一群普通 T 细胞。可逐样本比对标签组合是否符合实际混样、是否具有清楚的双标签阳性,并检查该条码的 UMI 和检测基因数相对本群的分布。如果有独立的供者基因型证据,可以用它进一步核实跨供者来源。没有这类信息时,如实将证据写成“双标签支持”,不要替第二颗细胞虚构一个分子来源。
单标签且 RNA 可疑也有其他解释。组织中一种高丰度细胞释放的转录本,可能在许多别的细胞中造成零星阳性。先看两套谱系标记是否在同一颗条码形成一致组合,还是仅有一个高背景基因出现一两个分子,再查看该样本的背景池。少数真实生物状态也可能表现出跨谱系特征,其判断需要多个标记、其他样本和额外测量支持。另一方面,即使两个通道都给出单细胞的标签,同一来源、相同谱系的共捕获依旧难发现。因此对外报告能说明筛查过程和残余不确定性,不宜写成“双方法证明每一颗都是单细胞”。
将两套结果交回项目时保留四列:捕获编号、原始 HTO 分类、RNA 得分和研究者的复核决定。若有多个物理捕获,再给每张表加上各自的分母和未覆盖数。这样当后面的差异分析需要暂时排除边界条码时,研究者可以复算结论是否稳定,而不必重新猜一串被删除的细胞原来长什么样。等要在很多捕获上重跑 HTO 拆样、RNA 检测和下游敏感性分析时,可用一个捕获试跑的内存和时间安排计算资源。云生信科研服务器租赁
